STEM-Bank-26: An Open Dataset of Analytical Scanning Transmission Electron Microscopy Images and Spectra

Dans le monde invisible de la science des matériaux, les chercheurs doivent voir des choses trop petites pour l'œil nu, trop petites pour les microscopes standards, et même trop petites pour que l'esprit humain puisse facilement les appréhender. Pour étudier ces structures minuscules, les scientifiques utilisent un outil puissant appelé microscopie électronique à balayage en transmission. Imaginez un faisceau d'électrons, qui sont des particules subatomiques, étant projeté sur un échantillon si mince que les électrons peuvent le traverser. À mesure que le faisceau balaie le matériau, il interagit avec les atomes, créant une image détaillée de la structure interne de l'échantillon. Mais voir la forme n'est que la moitié de l'histoire. Pour comprendre véritablement un matériau, les scientifiques doivent également savoir de quoi il est composé et comment ses atomes se comportent. C'est là qu'intervient la spectroscopie. En analysant l'énergie perdue par les électrons ou les rayons X qu'ils émettent lorsqu'ils frappent l'échantillon, les chercheurs peuvent identifier les éléments spécifiques présents et même déterminer leur état chimique. Cette combinaison d'imagerie à haute résolution et d'analyse chimique est essentielle pour développer de meilleures batteries, des catalyseurs plus efficaces et des dispositifs électroniques avancés. Cependant, enseigner aux ordinateurs l'exécution de ces tâches complexes a été difficile car les données nécessaires pour les entraîner étaient dispersées, incomplètes ou verrouillées dans des archives privées.

Une équipe de chercheurs de l'Université de Pennsylvanie a désormais changé la donne en publiant une collection massive et ouverte de ce type précis de données. Ils ont assemblé un ensemble de données appelé STEM-Bank-26, qui contient près de 38 000 images et des milliers de mesures spectroscopiques recueillies sur cinq ans. Cette collection n'est pas un simple assemblage aléatoire d'images ; c'est un enregistrement structuré de la manière dont les scientifiques travaillent réellement. L'ensemble de données comprend 37 921 images provenant de 1 095 échantillons de matériaux différents issus de 1 499 sessions expérimentales distinctes. Pour plus des deux tiers de ces sessions, les chercheurs ont également capturé des données spectroscopiques, fournissant une image complète de la structure physique et de la composition chimique des matériaux. La taille totale de cette collection est de 929 gigaoctets, un volume d'informations qui en fait le plus grand ensemble de données disponible ouvertement de ce type intégrant l'imagerie avec la spectroscopie à dispersion d'énergie et la spectroscopie de perte d'énergie des électrons.

La véritable valeur de ce travail ne réside pas seulement dans le nombre impressionnant de fichiers, mais dans la manière dont les chercheurs les ont organisés pour révéler le processus de décision humaine derrière la science. La microscopie électronique n'est pas un processus entièrement automatisé ; elle nécessite un opérateur qualifié pour observer un échantillon, décider quelle zone est intéressante, ajuster les réglages du microscope, puis choisir de recueillir des données chimiques sur cet endroit spécifique. Cette série de décisions forme une « trajectoire », un chemin d'actions qui mène d'une vue générale à une analyse détaillée. Comme ces décisions sont rarement enregistrées dans un seul fichier, l'équipe a développé une méthode pour reconstruire ces chemins en comparant les métadonnées — les étiquettes numériques attachées à chaque fichier qui enregistrent le temps, la position et les réglages. En analysant les écarts entre les images, ils ont pu déduire quand un opérateur déplaçait l'échantillon vers un nouvel emplacement ou faisait une pause pour réfléchir, transformant ainsi un archive statique de fichiers en un enregistrement dynamique de l'exploration scientifique.

Cette reconstruction permet à l'ensemble de données de servir de terrain d'entraînement pour l'intelligence artificielle. Par le passé, les efforts pour construire des « scientifiques IA » capables d'opérer ces microscopes ont été freinés par l'absence de données montrant comment les humains explorent et s'adaptent à de nouvelles informations. Les ensembles de données existants ne contenaient souvent que des images ou seulement des spectres, manquant le lien crucial entre les deux. Cette nouvelle collection comble ce fossé, offrant une vue réaliste de la manière dont un scientifique passe d'un examen large d'un échantillon à une analyse focalisée sur une caractéristique spécifique. Les données montrent que la plupart des sessions expérimentales impliquent entre 10 et 100 images, une partie significative incluant la cartographie chimique. Les échantillons eux-mêmes sont divers, allant de catalyseurs hétérogènes utilisés dans des réactions chimiques à des composants de batteries lithium-ion, fournissant une base large pour que les modèles d'apprentissage automatique puissent apprendre.

Les chercheurs ont également abordé les défis logistiques qui empêchent généralement le partage de tels ensembles de données. Le temps passé au microscope est coûteux, et les fichiers générés sont souvent trop volumineux pour être publiés en entier, ce qui amène les scientifiques à ne partager que quelques images représentatives. Ce nouveau travail démontre qu'il est possible de partager l'archive entière sans submerger la communauté scientifique. L'équipe a fourni des outils et des scripts qui permettent à d'autres chercheurs de convertir facilement leurs propres données d'archives en ensembles de données de trajectoires similaires, encourageant un changement dans la manière dont la communauté de la microscopie partage son travail. En rendant ces données disponibles sous une licence ouverte, les auteurs espèrent accélérer le développement de la recherche de matériaux autonome, où des systèmes intelligents peuvent apprendre de l'expertise humaine pour explorer de nouveaux matériaux plus rapidement et plus efficacement.

Bien que l'ensemble de données soit une étape importante, les auteurs sont clairs sur ses limites. Les trajectoires reconstruites sont des instantanés de l'état du microscope plutôt qu'une vidéo continue des actions de l'opérateur. Elles ne capturent pas les moments où un scientifique déplace la platine pour inspecter une zone mais décide de ne pas prendre de photo, ce qui signifie que les données pourraient légèrement favoriser les zones jugées dignes d'une capture à haute résolution. De plus, certains détails techniques concernant les réglages de la lentille du microscope sont absents des fichiers originaux, ce qui limite l'utilisation de l'ensemble de données pour des tâches impliquant le réglage précis de l'instrument lui-même. Malgré ces contraintes, la collection constitue une ressource robuste pour comprendre l'interaction complexe entre l'imagerie et la spectroscopie. Elle offre un aperçu rare du flux de travail quotidien de la science des matériaux, fournissant la matière première nécessaire pour apprendre aux machines à voir, analyser et comprendre le monde nanoscopique avec la même curiosité et le même jugement qu'un expert humain.